Nebula AlgorithmGraph
Graph 的 Spark 应用程序，通过提交 Spark 任务的形式使用完整的算法工具对 NebulaGraph 数据库中的数据执行图计算，也可以通过编程形式调用 lib 库下的算法针对 DataFrame 执行图计算。
版本兼容性Graph
Nebula Algorithm 版本和 NebulaGraph 内核的版本对应关系如下。
| Algorithm client 版本 | NebulaGraph 版本 |
|---|---|
| 3.0-SNAPSHOT | nightly |
| 3.0.0 | 3.0.0 |
| 2.6.x | 2.6.x |
| 2.5.0 | 2.5.0、2.5.1 |
| 2.1.0 | 2.0.0、2.0.1 |
前提条件Graph
在使用 Algorithm 之前，用户需要确认以下信息：
- NebulaGraph 服务已经部署并启动。详细信息，参考 Graph。
- Spark 版本为 2.4.x。
- Scala 版本为 2.11。
- （可选）如果用户需要在 Github 中克隆最新的 Algorithm，并自行编译打包，可以选择安装 Graph。
使用限制Graph
- 直接提交算法包时，点 ID 的数据必须为整数，即点 ID 可以是 INT 类型，或者是 String 类型但数据本身为整数。
- 对于非整数的 String 类型数据，推荐使用调用算法接口的方式，可以使用 SparkSQL 的
dense_rank函数进行编码，将 String 类型转换为 Long 类型。
- 图计算会输出点的数据集，算法结果会以DataFrame形式作为点的属性存储。用户可以根据业务需求，自行对算法结果做进一步操作，例如统计、筛选。
-
如果将算法结果写入到 NebulaGraph 中，请确保对应图空间中的 Tag 有对应算法结果名称的属性。各项算法对应的属性如下。
算法 属性名称 属性数据类型 pagerank pagerank double/string louvain louvain int/string kcore kcore int/string labelpropagation lpa int/string connectedcomponent cc int/string stronglyconnectedcomponent scc int/string betweenness betweenness double/string shortestpath shortestpath string degreestatic degree,inDegree,outDegree int/string trianglecount trianglecount int/string clusteringcoefficient clustercoefficient double/string closeness closeness double/string hanp hanp int/string bfs bfs string jaccard jaccard string node2vec node2vec string
支持算法Graph
Nebula Algorithm 支持的图计算算法如下。
| 算法名 | 说明 | 应用场景 |
|---|---|---|
| PageRank | 页面排序 | 网页排序、重点节点挖掘 |
| Louvain | 社区发现 | 社团挖掘、层次化聚类 |
| KCore | K 核 | 社区发现、金融风控 |
| LabelPropagation | 标签传播 | 资讯传播、广告推荐、社区发现 |
| Hanp | 标签传播进阶版 | 社区发现、推荐 |
| ConnectedComponent | 联通分量 | 社区发现、孤岛发现 |
| StronglyConnectedComponent | 强联通分量 | 社区发现 |
| ShortestPath | 最短路径 | 路径规划、网络规划 |
| TriangleCount | 三角形计数 | 网络结构分析 |
| GraphTriangleCount | 全图三角形计数 | 网络结构及紧密程度分析 |
| BetweennessCentrality | 介数中心性 | 关键节点挖掘，节点影响力计算 |
| Closeness | 接近中心性 | 关键节点挖掘、节点影响力计算 |
| DegreeStatic | 度统计 | 图结构分析 |
| ClusteringCoefficient | 聚集系数 | 推荐、电信诈骗分析 |
| Jaccard | 杰卡德相似度计算 | 相似度计算、推荐 |
| BFS | 广度优先遍历 | 层序遍历、最短路径规划 |
| Node2Vec | - | 图分类 |
实现方法Graph
Nebula Algorithm 实现图计算的流程如下：
-
利用 Nebula Spark Connector 从 NebulaGraph 数据库中读取图数据为 DataFrame。
-
将 DataFrame 转换为 GraphX 的图。
-
调用 GraphX 提供的图算法（例如 PageRank）或者自行实现的算法（例如 Louvain 社区发现）。
详细的实现方法可以参见相关 Graph。
获取 Nebula AlgorithmGraph
编译打包Graph
-
克隆仓库
nebula-algorithm。$ git clone -b v3.0.0 https://github.com/vesoft-inc/nebula-algorithm.git -
进入目录
nebula-algorithm。$ cd nebula-algorithm -
编译打包。
$ mvn clean package -Dgpg.skip -Dmaven.javadoc.skip=true -Dmaven.test.skip=true
编译完成后，在目录nebula-algorithm/target下生成类似文件nebula-algorithm-3.x.x.jar。
Maven 远程仓库下载Graph
Graph
使用方法Graph
调用算法接口（推荐）Graph
lib库中提供了 10 种常用图计算算法，用户可以通过编程调用的形式调用算法。
-
在文件
pom.xml中添加依赖。<dependency> <groupId>com.vesoft</groupId> <artifactId>nebula-algorithm</artifactId> <version>3.0.0</version> </dependency> -
传入参数调用算法（以 PageRank 为例）。更多调用示例请参见Graph。
Note
执行算法的 DataFrame 默认第一列是起始点，第二列是目的点，第三列是边权重（非 NebulaGraph 中的 Rank）。
val prConfig = new PRConfig(5, 1.0) val louvainResult = PageRankAlgo.apply(spark, data, prConfig, false)如果用户的节点 ID 是 String 类型，可以参考 PageRank 的Graph。示例中进行了 ID 转换，将 String 类型编码为 Long 类型， 并在算法结果中将 Long 类型 ID 解码为原始的 String 类型。
直接提交算法包Graph
Note
使用封装好的算法包有一定的局限性，例如落库到 NebulaGraph 时，落库的图空间中创建的 Tag 的属性名称必须和代码内预设的名称保持一致。如果用户有开发能力，推荐使用第一种方法。
-
设置Graph。
{ # Spark 相关配置 spark: { app: { name: LPA # Spark 分片数量 partitionNum:100 } master:local } data: { # 数据源，可选值为 nebula、csv、json。 source: nebula # 数据落库，即图计算的结果写入的目标，可选值为 nebula、csv、json。 sink: nebula # 算法是否需要权重。 hasWeight: false } # NebulaGraph 相关配置 nebula: { # 数据源。NebulaGraph 作为图计算的数据源时，nebula.read 的配置才生效。 read: { # 所有 Meta 服务的 IP 地址和端口，多个地址用英文逗号（,）分隔。格式："ip1:port1,ip2:port2"。 # 使用 docker-compose 部署，端口需要填写 docker-compose 映射到外部的端口 # 可以用`docker-compose ps`查看 metaAddress: "192.168.*.10:9559" # NebulaGraph 图空间名称 space: basketballplayer # NebulaGraph Edge type, 多个 labels 时，多个边的数据将合并。 labels: ["serve"] # NebulaGraph 每个 Edge type 的属性名称，此属性将作为算法的权重列，请确保和 Edge type 对应。 weightCols: ["start_year"] } # 数据落库。图计算结果落库到 NebulaGraph 时，nebula.write 的配置才生效。 write:{ # Graph 服务的 IP 地址和端口，多个地址用英文逗号（,）分隔。格式："ip1:port1,ip2:port2"。 # 使用 docker-compose 部署，端口需要填写 docker-compose 映射到外部的端口 # 可以用`docker-compose ps`查看 graphAddress: "192.168.*.11:9669" # 所有 Meta 服务的 IP 地址和端口，多个地址用英文逗号（,）分隔。格式："ip1:port1,ip2:port2"。 # 使用 docker-compose 部署，端口需要填写 docker-compose 映射到外部的端口 # 可以用`docker-compose ps`查看 metaAddress: "192.168.*.12:9559" user:root pswd:nebula # 在提交图计算任务之前需要自行创建图空间及 Tag # NebulaGraph 图空间名称 space:nb # NebulaGraph Tag 名称，图计算结果会写入该 Tag。Tag 中的属性名称固定如下： # PageRank：pagerank # Louvain：louvain # ConnectedComponent：cc # StronglyConnectedComponent：scc # LabelPropagation：lpa # ShortestPath：shortestpath # DegreeStatic：degree、inDegree、outDegree # KCore：kcore # TriangleCount：tranglecpunt # BetweennessCentrality：betweennedss tag:pagerank } } local: { # 数据源。图计算的数据源为 csv 文件或 json 文件时，local.read 的配置才生效。 read:{ filePath: "hdfs://127.0.0.1:9000/edge/work_for.csv" # 如果 CSV 文件没有表头，使用 [_c0, _c1, _c2, ..., _cn] 表示其表头，有表头或者是 json 文件时，直接使用表头名称即可。 # 起始点 ID 列的表头。 srcId:"_c0" # 目的点 ID 列的表头。 dstId:"_c1" # 权重列的表头 weight: "_c2" # csv 文件是否有表头 header: false # csv 文件的分隔符 delimiter:"," } # 数据落库。图计算结果落库到 csv 文件或 text 文件时，local.write 的配置才生效。 write:{ resultPath:/tmp/ } algorithm: { # 需要执行的算法，可选值为： # pagerank、louvain、connectedcomponent、labelpropagation、shortestpaths、 # degreestatic、kcore、stronglyconnectedcomponent、trianglecount、 # betweenness、graphtriangleCount。 executeAlgo: pagerank # PageRank 参数 pagerank: { maxIter: 10 resetProb: 0.15 } # Louvain 参数 louvain: { maxIter: 20 internalIter: 10 tol: 0.5 } # ... } } } -
提交图计算任务。
${SPARK_HOME}/bin/spark-submit --master <mode> --class com.vesoft.nebula.algorithm.Main <nebula-algorithm-3.0.0.jar_path> -p <application.conf_path>示例：
${SPARK_HOME}/bin/spark-submit --master "local" --class com.vesoft.nebula.algorithm.Main /root/nebula-algorithm/target/nebula-algorithm-3.0-SNAPSHOT.jar -p /root/nebula-algorithm/src/main/resources/application.conf
视频Graph
- Graph（2 分 36 秒）
最后更新:
March 17, 2022